Innovación y tecnología
Gestión logística
TIMIPLAN : an application to solve multimodal transportation problems
TIMIPLAN : una aplicación para resolver problemas de transporte multimodal
El transporte intermodal es una tarea muy desafiante para la planeación mediante inteligencia artificial. Es un problema logístico que consiste en el transporte de un conjunto de bienes a distintos lugares con la combinación de al menos dos modalidades de transporte en una sola cadena, sin cambios en el contenedor donde se encuentran tales bienes.
El objetivo principal de este artículo es introducir TIMIPLAN, una aplicación nueva para resolver problemas de transporte multimodal. Tal aplicación ha sido desarrollada en el contexto de un proyecto de investigación que involucra a Acciona Transmediterránea Cargo, una de las compañías españolas más grandes en transporte multimodal. El principal reto de este proyecto fue el tamaño de los problemas de planeación: diariamente se ha debido tratar con más de trescientos contenedores, camiones, locaciones y servicios. Internamente, TIMIPLAN combina técnicas de investigación de operaciones con planificación mediante inteligencia artificial para obtener planes de buena calidad, aprovechando los beneficios de ambos enfoques. Tales planes pueden visualizarse de forma gráfica.
Este documento fue preparado por José E. Flórez, Álvaro Torralba, Javier García, Carlos Linares López, Ángel García-Olaya y Daniel Borrajo (Departamento de Informática, Universidad Carlos III, Madrid, España) para la “20th International Conference on Automated Planning and Scheduling ICAPS 2010” (Toronto, Canadá, 12-16 de mayo de 2010), serie de las conferencias ICAPS cuyo propósito es intercambiar noticias y resultados de investigación en teoría y aplicaciones de tecnología de planeación y programación inteligentes.
Propuesta de un modelo para la disposición de cajas no uniformes en volúmenes limitados
Model proposal for non-uniform boxes accommodation in limited volumes
El problema de embalaje (packing problem, PP) es el problema de envasado o llenado de contenedores. Se ha estudiado desde 1970 a partir de tres métodos diferentes heurísticos, metaheurísticos y exactos, los cuales abordan el problema de optimización combinatoria o NP-hard, obteniendo soluciones factibles. En Colombia existe la necesidad de gestionar adecuadamente los recursos ofrecidos por los vehículos de transporte, tales como el peso y la capacidad de volumen para movilizar una carga determinada.
Este trabajo presenta un enfoque heurístico y tiene como objetivo generar una distribución de carga eficiente al interior del contenedor, revisando el estado del arte de las técnicas de solución utilizadas para resolver este tipo de problemas, para luego seleccionar y modificar bajo criterio ingenieril un método o técnica que permita evaluar y comparar su eficiencia con datos reales de un caso de estudio, los cuales son obtenidos a través de la implementación y ejecución del algoritmo en una herramienta de programación.
Este documento fue preparado por Andrés García González y Diego Mauricio Isaza Rico (Escuela de Ingeniería Industrial y Estadística, Universidad del Valle, Cali, Colombia) para la Revista Virtual Pro (No 125, Junio 2012).
A reinforcement learning approach for supply chain management
Un enfoque de aprendizaje de refuerzo para la gestión de cadena de suministro
Este artículo presenta un enfoque de gestión de cadena de suministro basado en aprendizaje de refuerzo. El escenario de cadena de suministro planteado consiste en agentes de programación y optimización de rendimiento indirectamente acoplados que tratan de aprender una estrategia de aceptación óptima para los trabajos ofrecidos. El optimizador construye un programa obligatorio insertando los trabajos requeridos, los cuales llegan de forma estocástica desde los clientes.
Para reducir la complejidad, los agentes se dividieron en tres componentes: una interfase de cadena de suministro que clasifica las ofertas de trabajo, un algoritmo de aprendizaje de refuerzo que toma la decisión de aceptación, y una programación determinista que procesa los trabajos y genera una compresión preliminar del espacio. El algoritmo de aprendizaje de refuerzo acepta ofertas de acuerdo con la fecha de vencimiento de entrega, el precio del trabajo, el costo de penalidad por caducación y la información proporcionada por la programación.
Este documento fue preparado por Tim Stockheim, Michael Schwind y Wolfgang Koenig (Institute for Information Systems, Frankfurt University, Frankfurt, Alemania). Se encuentra alojado en la biblioteca digital CiteSeerx, alojada y mantenida por la School of Information Sciences and Technology de la Penn State University (University Park, PA, Estados Unidos). El repositorio CiteSeerx es un portal que aloja literatura científica relacionada principalmente en computación y ciencia de la información.
